← 贴纸墙 MODEL · DETAIL

EXAONE专家AI:材料新药发现平台订阅

1)面向企业收取EXAONE Discovery类科学发现平台的订阅与授权费

MODEL

关键字段

FIELD STAMPS
INDUSTRY 行业AI/大模型
REGION 地区全球
SCALE 规模巨头
CHANNEL 渠道线上

📌 背景

LG AI研究院2026年9月在首尔AI Talk Concert上公开「专家AI」战略,主打解决产业现场难题,并宣布扩大经集团内部验证的EXAONE对外供应。2026年4月发布的多模态EXAONE 4.5在STEM五项基准平均77.3分,K-ExaOne被评为唯一进入全球前十的韩国模型,科研与工业场景成为其差异化卖点。

👤 目标客户

化工、电池、制药、材料企业的研发部门,以及需要专利与论文专业文献分析的大型企业

💰 盈利点

1)面向企业收取EXAONE Discovery类科学发现平台的订阅与授权费;2)按行业定制专家模型收取项目制部署费;3)对外供应模型API与私有化许可。

🧮 成本结构

基础模型训练算力与研发人力是最大成本,依托LG集团投入;其次是行业数据获取、专家模型微调和客户交付集成成本。

🛡️ 护城河

LG集团化学、电池、电子等真实产业场景作为模型试验场,形成「内部验证再外销」的数据与信任闭环;韩语及专业文献处理能力加STEM基准成绩构成技术背书。

🔑 成功关键

  • 把集团内部验证案例转化为可对外展示的行业标杆
  • 在材料与新药发现等垂直场景建立可量化成果

⚠️ 风险

  • 内部场景经验难以复制到外部客户行业
  • 通用大模型厂商下探垂直科学场景挤压空间

🏢 案例

  • 2026年9月LG AI Talk Concert公开为产业现场难题设计的专家AI并宣布扩大EXAONE对外供应
  • EXAONE 4.5多模态模型在STEM五项基准平均77.3分
  • K-ExaOne在全球AI性能评估中位列第七,为唯一进入前十的韩国模型

📊 SWOT 分析

优势 Strengths

  • 集团内部化学与生物场景提供独有训练与验证数据
  • 专家AI定位避开与通用模型的正面竞争

劣势 Weaknesses

  • 韩国市场体量有限,海外品牌认知弱于美系模型
  • 商业化收入规模尚小,依赖母公司输血

机会 Opportunities

  • 全球制造业企业寻求垂直科学AI替代通用模型
  • 各国推动主权AI与本土模型,韩系模型有政策窗口

威胁 Threats

  • OpenAI、谷歌等巨头同样切入科学发现赛道
  • 开源模型性能追赶压缩授权定价空间